M. Vargas Jimenez
2012/02/11
Indice general
2. Examen Exploratorio de los datos. Estadsticos univariantes.
Distribuciones de probabilidad. An
alisis de tablas de contingencia, tablas multidimensionales. Implementaci
on con R
2.1. Funciones estadsticas R mas frecuentes . . . . . . . . . . . . .
2.1.1. Resumen de una variable . . . . . . . . . . . . . . . . .
2.1.2. Generacion de variables con ave() . . . . . . . . . . . .
2.1.3. Correlacion entre variables . . . . . . . . . . . . . . . .
2.2. Distribuciones de modelos de probabilidad . . . . . . . . . . .
2.2.1. Funciones para las distribuciones ... . . . . . . . . . . .
2.2.2. Muestreo y generacion de valores... . . . . . . . . . . .
2.3. Construccion y manipulacion de tablas . . . . . . . . . . . . .
2.3.1. Creacion de una tabla a partir ... . . . . . . . . . . . .
2.3.2. Presentacion de tablas en frecuencias ... . . . . . . . . .
2.3.3. Adicion de marginales a una tabla... . . . . . . . . . .
2.3.4. Calculo de frecuencias condicionadas... . . . . . . . . .
2.3.5. Conversion de tabla en data.frame . . . . . . . . . . . .
2.3.6. Creacion de tablas a partir... . . . . . . . . . . . . . . .
2.3.7. Tablas de mas de 2 dimensiones . . . . . . . . . . . . .
2.3.8. Test de independencia chi-cuadrado... . . . . . . . . . .
2.4. Graficos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.4.1. Grafico de barras . . . . . . . . . . . . . . . . . . . . .
2.4.2. Histograma . . . . . . . . . . . . . . . . . . . . . . . .
2.4.3. Grafico caja . . . . . . . . . . . . . . . . . . . . . . . .
2.4.4. Grafico de sectores . . . . . . . . . . . . . . . . . . . .
2.4.5. Grafico de tallo y hojas . . . . . . . . . . . . . . . . . .
2.4.6. Otros graficos y opciones graficas . . . . . . . . . . . .
2.4.7. Division del dispositivo de ... . . . . . . . . . . . . . . .
2.4.8. Graficos para cuantiles de... . . . . . . . . . . . . . . .
2.4.9. Guardar grafico corriente en... . . . . . . . . . . . . . .
2.4.10. Graficos con el paquete lattice . . . . . . . . . . . . . .
3
5
5
5
8
9
9
10
11
13
13
14
15
16
18
19
22
29
31
31
35
39
41
42
43
49
51
52
52
INDICE GENERAL
2.4.11. Graficos para datos multivariantes . . . . . . . . . . . . 53
Captulo 2
Examen Exploratorio de los
datos. Estadsticos
univariantes. Distribuciones de
probabilidad. An
alisis de tablas
de contingencia, tablas
multidimensionales.
Implementaci
on con R
2.1.
Funciones estadsticas R m
as frecuentes
2.1.1.
3.25
Median
5.50
7.75
Max.
10.00
20%
30%
40%
50%
60%
70%
80%
90%
4.9
Agrupaci
on de variable en intervalos
cut(var, br=n1) Agrupa var en n1 clases o intervalos.
Genera una variable de la misma longitud que var, pero cuyos valores son
intervalos de clases, obtenidos al dividir los valores de var en n1 intervalos.
FRECUENTES
2.1. FUNCIONES ESTADISTICAS R MAS
Ejemplo
> x=50:55
> length(x) #longitud de la variable
[1] 6
[1] 6
> nx
> table(nx)
nx
(50,52.5] (52.5,55]
3
Curva acumulativa
ecdf(var) curva acumlativa de variable var
> x=rnorm(20)
> plot(ecdf(x))
1.0
ecdf(x)
0.8
0.6
Fn(x)
0.4
0.2
0.0
Otros res
umenes de las variable
IQR(x) Calcula el rango intercuartlico del vector x
max(var) Calcula el maximo de var
mean(var) Calcula la media de un vector o para varias variables de un
data frame
median(var) Calcula la mediana de un vector o para varias variables de
un data frame
min(var) Calcula el mnimo de var
scale(var) estandariza la variable var
stem(var) grafico de tallo y hojas de la variable var
2.1.2.
Generaci
on de variables con ave()
20
25
30
28
40
50
> ave(dtf$Edad,dtf$Sexo,mean(dtf$Edad))
[1] 25.75 25.75 25.75 25.75 45.00 45.00
2.1.3.
Correlaci
on entre variables
2.2.
2.2.1.
Normal norm(), binomial binom(), poison pois(), uniforme unif(), exponencial exp(), t de Student (t), Chi-cuadrado chisq(), etc.
Un modelo de probabilidad de una variable aleatoria tendra informacion
sobre:
Funcion de densidad o probabilidad (dnormal, dbinom, dunif, dpois,...)
Funcion de distribucion (pnormal, punif,...)
Cuantiles (qnormal, qpois, qunif,...)
Generacion aleatoria de muestras (rnomal, rpois, ...)
Para seleccionar estas funciones se toma el nombre del modelo precedido
de las letas d, p, q y r.
dnombremodelo determina la funcion de densidad, f(x), para un valor
x de la variable
pnombremodelo permite obtener p[X <x] para un valor de x. Si el
argumento lower.tail=F calcula la probabilidad del suceso contrario
(cola a la derecha)
qnombremodelo determina el cuantil de un orden p
rnombremodelo selecciona una muestra aleatoria del modelo.
Por ejemplo, para modelo binomial los argumentos size y prob son n
umero
de pruebas y probabilidad de exito, respectivamente:
dbinom(x, size, prob,...)
pbinom(q, size, prob, lower.tail = TRUE,...)
qbinom(p, size, prob, lower.tail = TRUE,...)
rbinom(n, size, prob, lower.tail = TRUE,...) El parametro n es el tama
no
de muestra
Ejemplo
pbinom(14,20,0.4) determina la probabilidad de ser menor o igual a 14 en
B(20,0.4)
> pbinom(14,20,0.4)
11
[1] 0.9983885
Ejemplo
Calculo de cuantiles de la distribucion N(0,1)
> ordencuan=seq(0.1,0.8,0.2)
> qnorm(ordencuan,0,1) #cuantiles de la distribuci
on N(0,1)
[1] -1.2815516 -0.5244005
0.0000000
0.5244005
2.2.2.
Muestreo y generaci
on de valores aleatorios
[,2]
[,3]
[,4]
[,5]
# n
um reales entre 0 y 1
Ejemplo
runif(10,20,30) 10 n
umeros reales de distribucion uniforme en intervalo
(20,30)
Seleccion de un modelo normal
Ejemplo
> x=rnorm(100,20,4)
Y MANIPULACION
DE TABLAS
2.3. CONSTRUCCION
13
[1] 4 2 4 6 5
2.3.
Construcci
on y manipulaci
on de tablas
2.3.1.
Creaci
on de una tabla a partir de datos sin tabular
La funcion table() permite construir tablas a partir de vectores o data.frames. Unidimensionales y multidimensionales. En frecuencias absolutas.
Ejemplo
Tablas de frecuencias unidimensionales para las variables o vectores x e y
> x=sample(1:5,200,replace=T)# vector de longitud 200 con valores de 1 a 5
> table(x)
x
1
34 38 52 34 42
2.3.2.
Presentaci
on de tablas en frecuencias relativas
La funcion prop.table() permite expresar tablas dadas en frecuecias absolutas, a frecuencias relativas. Unidimensionales o multidimensionales.
La funcion ftable() permite expresar tablas de 2 o mas dimensiones en un
formato de mejor presentacion que table. Tambien crear tablas con 2 o mas
vectores o data.frames.
Ejemplo Tabla unidimensional en frecuencias relativas y tabla de frecuencias bidimensional para las variables o vectores x e y
> # Tabla unidimensional en frecuencias absolutas
> x=sample(1:3,200,replace=T)# vector de longitud 200 con valores de 1 a 3
> t=table(x)
> t
x
1
77 66 57
x
1
Y MANIPULACION
DE TABLAS
2.3. CONSTRUCCION
15
y
x
1 41 36
2 34 32
3 27 30
x
1
41 36
34 32
27 30
2.3.3.
Adici
on de marginales a una tabla de contingencia
1 41 36
2 34 32
3 27 30
> addmargins(t2)# A~
nade columna y fila marginal
y
x
m Sum
41
36
77
34
32
66
27
30
57
Sum 102
98 200
> # addmargins(t2,1) a~
nade s
olo fila marginal
> # addmargins(t2,2) a~
nade s
olo columna marginal
2.3.4.
C
alculo de frecuencias condicionadas en la tabla
La funcion prop.table() permite dividir por totales fila, totales columna o totales capas en tablas de mas de 2 dimensiones, permitiendo obtener
distribuciones en distintas condiciones.
Ejemplo
> t2
y
x
Y MANIPULACION
DE TABLAS
2.3. CONSTRUCCION
17
1 41 36
2 34 32
3 27 30
> # Distribuciones condicionadas
> # Frecuencias relativas dividiento por totales de fila
> prop.table(t2,1)
y
x
1 0.5324675 0.4675325
2 0.5151515 0.4848485
3 0.4736842 0.5263158
> pt2=prop.table(t2,1)
> round(addmargins(pt2,2),3) # a~
nade columna marginal y redondea a 3 d
gitos
y
x
Sum
2.3.5.
Conversi
on de tabla en data.frame
1 41 36
2 34 32
3 27 30
> # Convierte tabla t2 en data.frame:
> dd=data.frame(t2)
> dd
x y Freq
1 1 h
41
2 2 h
34
3 3 h
27
Y MANIPULACION
DE TABLAS
2.3. CONSTRUCCION
4 1 m
36
5 2 m
32
6 3 m
30
2.3.6.
19
Creaci
on de tablas a partir de data.frames
1 41 36
2 34 32
3 27 30
x
1
41 36
34 32
27 30
41
2 2 h
34
3 3 h
27
4 1 m
36
5 2 m
32
6 3 m
30
Y MANIPULACION
DE TABLAS
2.3. CONSTRUCCION
1 41 36
2 34 32
3 27 30
> #Tabla marginal de x
> xtabs(Freq~x,data=dd)
x
1
77 66 57
> #Tabla marginal de y
> xtabs(Freq~y,data=dd)
y
h
102
98
Ejemplo
> # Data.frame datos con columna de frecuencias (Personas)
> datos
sexo peso Personas
1 Hombre Alto
2
20
Mujer Alto
3 Hombre Bajo
40
55
Mujer Bajo
21
Alto Bajo
Hombre
20
40
Mujer
55
2.3.7.
Tablas de m
as de 2 dimensiones
No Yes
Class Sex
Age
1st
Child
Adult
118
57
Female Child
Male
Adult
4 140
Y MANIPULACION
DE TABLAS
2.3. CONSTRUCCION
2nd
3rd
Crew
Male
Child
11
Adult
154
14
Female Child
13
Adult
13
80
Child
35
13
Adult
387
75
Female Child
17
14
Adult
89
76
Child
Male
Male
Adult
23
670 192
Female Child
Adult
20
> # la
ultima variable presenta sus categor
as en columnas
> # las combinaciones de las otras variables en filas: la primera variable
> # var
a sus categor
as m
as lentamente, la
ultima variable, las var
a primero
Ejemplo
> Titanic
, , Age = Child, Survived = No
Sex
Class
Male Female
1st
2nd
3rd
35
17
Sex
Class
Male Female
1st
118
2nd
154
13
3rd
387
89
Crew
670
Sex
Class
Male Female
1st
2nd
11
13
3rd
13
14
Crew
Sex
Class
1st
Male Female
57
140
Y MANIPULACION
DE TABLAS
2.3. CONSTRUCCION
2nd
14
80
3rd
75
76
Crew
192
20
25
No Yes
Class Sex
1st
Male
Female
2nd
Male
Crew
62
4 141
154
25
13
93
Male
422
88
Female
106
90
Male
670 192
Female
3rd
118
Female
20
> NA
[1] NA
> # columnas.
Ejemplos:
> # Variable 2 en filas y variable 1 en columnas
862
Female
23
> # Todas las combinaciones de las 4 variables en filas y 1 columna con frec
> ftable(Titanic,row.vars=1:4)
Class Sex
Age
1st
Child No
Male
Survived
Yes
Adult No
Yes
Female Child No
Yes
Adult No
Yes
2nd
Male
Child No
Yes
Adult No
Yes
Female Child No
Yes
Adult No
Yes
3rd
Male
Child No
Yes
Adult No
0
5
118
57
0
1
4
140
0
11
154
14
0
13
13
80
35
13
387
Y MANIPULACION
DE TABLAS
2.3. CONSTRUCCION
Yes
Female Child No
Yes
75
17
14
Adult No
Yes
Crew
Male
89
76
Child No
Yes
Adult No
Yes
0
670
192
Female Child No
Yes
Adult No
Yes
3
20
Sex
1st
Male Child
No
2nd
Male Child
No
3rd
Male Child
No
35
Crew
Male Child
No
No
No
No
17
No
27
1st
Male Adult
No
118
10
2nd
Male Adult
No
154
11
3rd
Male Adult
No
387
12
Crew
Male Adult
No
670
13
No
14
No
13
15
No
89
16
No
17
1st
Male Child
Yes
18
2nd
Male Child
Yes
11
19
3rd
Male Child
Yes
13
20
Crew
Male Child
Yes
21
Yes
22
Yes
13
23
Yes
14
24
Yes
25
1st
Male Adult
Yes
57
26
2nd
Male Adult
Yes
14
27
3rd
Male Adult
Yes
75
28
Crew
Male Adult
Yes
192
29
Yes
140
30
Yes
80
31
Yes
76
32
Yes
20
Y MANIPULACION
DE TABLAS
2.3. CONSTRUCCION
2.3.8.
29
Funcion chisq.test()
Permite realizar contraste de hipotesis de independencia de las variables
en la tabla.
Ejemplo
Contraste la hipotesis nula a un nivel de significacion = 0,01
H0 : x e y son independientes
H1 : x e y no son independientes
> t2
y
x
1 41 36
2 34 32
3 27 30
> chisq.test(t2) # determina el test chi-cuadrado para la tabla bidimensional t2
Pearson's Chi-squared test
data:
t2
Hombre
127200
200279
19645
Mujer
218495
113607
26851
> chisq.test(tgr)
Pearson's Chi-squared test
data:
tgr
2.4. GRAFICOS
31
a$residuals # residuos
2.4.
Gr
aficos
Entre los graficos mas frecuentes se encuentran los que se describen por
las funciones siguientes:
barplot(), hist(), boxplot(), plot(), stem(), pie()
Otras funciones u
tiles para graficos son:
savePlot(), segments(), plot(ecdf()), abline(),lines()
2.4.1.
Gr
afico de barras
barplot() es muy u
til para usar con tablas cuyas distribuciones presentan
pocas modalidades distintas.
barplot(vecalturas, col = colorbarras, main=titulografico,...) grafico de
barras indicando el color y ttulo.
barplot(matrixalturas, col = color, main=titulografico,...) varios graficos de barras; cada vector de la matriz matrixalturas representa las alturas
de una serie de barras. Pueden ir apiladas o separadas, dependiendo del argumento beside= T o F.
barplot(tablefrecUnidi,col=colobarrasr,main=TituloGrafico)
plot(tablafrecuencunidim, type = h, col = numcolor, lwd = 5, main
= tituloGrafico, ylab = .etiquetaejey, xlab = .etiquetaejex, ...) grafico de
barras
Ejemplo
Grafico de barras
> barplot(c(10,2,4),names.arg=c("A","B","C"),col="orange")
10
Ejemplo
Representacion en grafico de barras del objeto tabla t
> Sexo=rep(c("hombre","mujer"),c(25,20))
> t=table(Sexo)
> barplot(t,col=c("blue","pink"),main="Distribuci
on del sexo")
2.4. GRAFICOS
33
10
15
20
25
hombre
mujer
Ejemplo
Grafico de barras para tabla bidimensional
> Edad=c(30,rep(20,10),rep(25,20),rep(30,14))
> t=table(Sexo,Edad)
> barplot(t,beside=F,legend=rownames(t))
20
10
15
mujer
hombre
20
25
30
Ejemplo
> barplot(t(t),beside=F,legend=colnames(t))
2.4. GRAFICOS
25
35
10
15
20
30
25
20
hombre
2.4.2.
mujer
Histograma
8
6
0
Frequency
10
12
14
histograma
Ejemplo
> hist(x,br=quantile(x),col="grey")
2.4. GRAFICOS
37
0.2
0.0
0.1
Density
0.3
0.4
Histogram of x
Ejemplo
Histograma con curva normal
> x=rnorm(100,4,2)
> hist(x, freq=FALSE, col="grey", main="distribuci
on normal")
> points(x, dnorm(x, mean=mean(x),sd=sd(x)),col="red")
Ejemplo Propiedades del histograma, sin grafico.
> hist(x,plot=F)
$breaks
[1] 0 1 2 3 4 5 6 7 8 9
$counts
5 11 11 24 17 14 12
$intensities
[1] 0.05 0.11 0.11 0.24 0.17 0.14 0.12 0.05 0.01
$density
[1] 0.05 0.11 0.11 0.24 0.17 0.14 0.12 0.05 0.01
$mids
[1] 0.5 1.5 2.5 3.5 4.5 5.5 6.5 7.5 8.5
$xname
[1] "x"
$equidist
[1] TRUE
attr(,"class")
[1] "histogram"
Ejemplo
> x1=rnorm(500,5,1)
> x2=rnorm(500,10,2)
> x=x1+x2
> mean(x)
2.4. GRAFICOS
39
[1] 15.04366
> sd(x)
[1] 2.236826
>
hist(x,col=7,prob=T)
> lines(seq(6,24,0.1),dnorm(seq(6,24,0.1),15,sqrt(5)))
0.10
0.00
0.05
Density
0.15
Histogram of x
10
15
20
2.4.3.
Gr
afico caja
Funcion boxplot()
boxplot(formula, data = datos, ..., subset=operadorlogico, col=color)
boxplot(formVarFactor,col=color,names=.EtiquetasFactorParaCajas,main=TituloGrafico)
boxplot(, data=misdatos, subset=sexo==h, col=blue)
10
12
14
16
18
20
> boxplot(x,col="red") # gr
afico caja de la variable cuantitativa x
Ejemplo
Un grafico caja para cada combinacion de factores
> x=c(rnorm(10),rnorm(10,1.5,1.2))
> f1=factor(c(rep(c(1,2,1,2),c(5,3,7,5))))
> f2=factor(c(rep(1,10),rep(2,10)))
> boxplot(x~f1+f2, col="green") #distingue por factor y
2.4. GRAFICOS
41
1.1
2.4.4.
2.1
1.2
2.2
Gr
afico de sectores
Funcion textcolorredpie()
pie(vectorareasector, labels = names(vectorareasector),...,main=titulo del
grafico, ...) Grafico sectores
Ejemplo
Grafico de sectores.
> pie(table(Sexo),main="Clasificaci
on por Sexo",)
hombre
mujer
2.4.5.
Gr
afico de tallo y hojas
Funcion stem()
Ejemplo
> stem(Edad)
The decimal point is at the |
20 | 0000000000
22 |
24 | 00000000000000000000
26 |
2.4. GRAFICOS
43
28 |
30 | 000000000000000
2.4.6.
Otros gr
aficos y opciones gr
aficas
Funcion abline()
Dibuja recta sobre grafico existente: abline(intercept, pendiente)
abline(h=altura en el eje) traza una recta horizontal
abline(v=distancia del eje) traza una recta vertical
abline(intercept, pendiente) traza una recta con intercept y pendiente
especificadas
Ejemplo
Trazado de lneas en el grafico
> x=1:5
> y=x
> plot(x,y)
> abline(h = 1:5, v = 1:5, col = "lightgray", lty=3)# dibuja lineas verticals y ho
Funcion example()
Use la opcion example para ver ejemplos de graficos.
example(barplot)
example(hist)
example(plot)
Funcion segments()
Dibuja segmentos en un grafico existente
segments(coor un extremo, coor de otro extremo, col=, lty=, lwd=, ...)
segments(x0,y0,x1,y1,col=red,lwd=4) segmento desde el punto (x0,y0)
al (x1,y1)
Ejemplo
Trazado de segmentos Grafico de funcion de probabilidad del modelo
binomial B(20,0.4)
> plot(0:20,dbinom(0:20,20,0.4),type="n")
> segments(0:20,rep(0,21),0:20,dbinom(0:20,20,0.4),col="red",lty=3,lwd=3)
2.4. GRAFICOS
0.10
0.05
0.00
0.15
45
10
15
20
0:20
Funcion legend()
Dibuja leyendas en un grafico existente A
nade a un grafico una leyenda en
la posicion indicada por abscisa y ordenada. Vea ayuda para mas opciones.
legend(coordenadas , texto, ...)
legend(abscisa, ordenada, textoleyenda)
Ejemplo:
coor=locator(1) #espera a que el usuario elija las coordenadas para colocar la etiqu
legend(coor,c("emp
rica","te
orica"),col=c("red","black"),lwd=c(2,1),lty=c(2,1))
# O bien directamente de forma equivalente mediante
legend(locator(1),c("emp
rica","te
orica"),col=c("red","black"),lwd=c(2,1),lty=c(2,1)
Ejemplo
legend(min(x),max(y), c(hombre,mujer), pch=c(1,2), col=c(1,2))
Ejemplo
a=locator(1) b=c(Mujer,Varon) legend(a,b,lty=c(1,3),col=c(2,5),text.col=c(2,5),box.lwd=2,
pt.cex=0.7,box.lty=2)
0.25
0.05
0.10
0.15
0.20
B(20,0.4)
B(5,0.4)
0.00
0.30
0.35
Modelos binomiales
10
15
20
0:20
Funcion lines()
Dibuja lneas en un grafico existente:
A
nade lneas al grafico de distinto tipo, color y grosor
lines(vector de abscisas, vector de ordenadas)
2.4. GRAFICOS
47
0.0
0.2
0.4
0:1
0.6
0.8
1.0
0.0
0.2
0.4
0.6
0:1
Funcion points()
0.8
1.0
Edad=rep(0,9)
A~
no=2000:2008
plot(Edad,A~
no,type="n",axes=F,xlab="Edad",ylab="A~
no", ylim=c(2000,2008),xlim=
axis(2,at=c(2000:2008),col.axis=5)
axis(1,at=c(0:9),col.axis=5)
Ejemplo
> plot(0:1,0:1,type="n")
> grid(3,3,lwd=2,col="green")
> grid(20,20,col = "lightgray", lty = "dotted")
> text(0.5,0.5,"Centro",col=4)
> title("T
tulo del Gr
afico", col.main="red",cex.main=0.7)
2.4. GRAFICOS
49
0:1
0.6
0.8
1.0
0.0
0.2
0.4
Centro
0.0
0.2
1/3 0.4
0.6 2/3
0.8
1.0
0:1
2.4.7.
Divisi
on del dispositivo de salida del gr
afico
Funcion layout()
layout(matriz,...)
Divide el dispositivo de salida en filas y columnas con n
umeros que indican
las posiciones en que iran colocandose las figuras que van a
nadiendose. Los
valores numericos de la matriz van de 1 al n
umero de figuras. Por ejemplo
matriz=matrix(c(1:4),ncol=2). Ocupa los 4 = 2 x 2 espacios: uno para cada
figura. Matriz=matrix(c(1,0,1,2), 2,2, byrow=T)
Ejemplo
layout (matriz(1:4,nrow=2))
Divide el espacio gr
afico en 2x2 partes (2 filas y 2 columnas) para colocar los gr
af
Ejemplo
> x=sample(20:25,1000,prob=c(0.1,0.2,0.3,0.3,0.05,0.05),replace=T)
> t=table(x)
> y=runif(100,0,1)
> ou=par(mfrow = c(1, 2))
> barplot(t,col="mistyrose")
> title("Gr
afico 1")
> boxplot(y,col="lightblue")
> title("Gr
afico 2")
> par(ou)
2.4. GRAFICOS
51
Grfico 2
0.0
50
0.2
100
0.4
150
0.6
200
0.8
250
1.0
300
Grfico 1
20
2.4.8.
22
24
Gr
aficos para cuantiles de la distribuci
on de la
variable
2.4.9.
Guardar gr
afico corriente en archivo de distinto
tipo o formato
Funcion savePlot()
savePlot(filename = MIgrafico,type = pdf, restoreConsole = TRUE)
El formato del fichero que se guarda puede ser de varios tipos:
type = c(wmf, .emf, png, jpg, jpeg, bmp, tif, tiff, ps, .eps,
pdf)
2.4.10.
Gr
aficos con el paquete lattice
Ejemplo
Presentamos un ejemplo con los datos de data.frame GR1:
> library(lattice)
> names(GR1)
[1] "Edad"
"RelActiv" "Sexo"
"P2005"
> t=xtabs(P2005~RelActiv+Sexo+Edad,data=GR1)
> barchart(t, auto.key = list())
"P2011"
2.4. GRAFICOS
53
<=30
>45
3045
0
Hombre
Mujer
parado
ocupado
inactivo
Freq
2.4.11.
Gr
aficos para datos multivariantes